1.一种基于LZW编码的道路交通空间数据压缩方法，其特征在于所述方法包括如下步骤：

1)获取同一模态下、空间上的不同路段的道路交通数据建立道路交通特征参考序列，基于空间相关性分析，从具有空间相关性的路段中，任意选取一条路段作为基准路段，并将其数据作为空间上的道路交通基准数据；

道路交通运行模态的划分分为两个层次：路网层和路段层，设定路网层的交通运行模态的划分标识将道路的交通运行模态划分为g种子模态，路段层的交通运行模态的划分标识将道路的交通运行模态划分为h种子模态，则道路的交通运行模态一共划分为g×h种，记为集合Mode＝{M11，M12，…，Mgh}，其中g和h的取值根据所选交通运行模态的划分标识确定；

2)提取同一模态下、空间上其它路段的历史数据，作为训练数据，基于同一模态下、空间上的道路交通基准数据，确定空间道路交通差值数据的最优阈值；

3)获取同一模态下、空间上其它路段的实时数据，作为实验数据，基于同一模态下、空间上的道路交通基准数据，获取空间上的道路交通差值数据；

4)基于LZW编码实现空间道路交通差值数据的压缩；

5)基于LZW解码实现空间道路交通实时数据的重构。

2.如权利要求1所述的一种基于LZW编码的道路交通空间数据压缩方法，其特征在于：所述步骤1)包括如下步骤：

1.1)道路交通运行模态的划分

1.2)设计道路交通特征参考序列的结构

设定道路交通状态数据的采集周期是Δt；

道路交通特征参考序列的表格式如表1和表2所示：

表1.道路交通特征参考序列信息表

表2.道路交通特征参考序列描述表

设定共选定p条具有空间相关特性的路段，记为：

L＝[L1L2…Lp]   (1)

其中，p表示道路空间上的路段条数；Li表示第i条路段，1≤i≤p；L表示选择的具有空间相关特性路段的集合；

1.3)道路交通空间基准数据的获取

空间路段的道路交通流之间存在空间关联关系，具有很高的相关性，基于道路交通空间数据的相关性，从具有空间相关性的路段中，任意选取一条路段作为基准路段;提取基准路段的数据作为道路交通基准数据。

3.如权利要求1或2所述的一种基于LZW编码的道路交通空间数据压缩方法，其特征在于：所述步骤2)中，提取空间上其它路段的数据，作为训练数据；模态Mgh下、基于空间上的道路交通基准数据， 获取同一模态Mgh下、空间上的道路交通差值数据并进行阈值处理，通过LZW编码训练最优阈值，其一般表达式如下：Si(m*Δt，Mgh)＝STi(m*Δt，Mgh)-SB(m*Δt，Mgh)   (2)ei(m，Mgh)＝[Si(Δt，Mgh)Si(2*Δt，Mgh)…Si(m*Δt，Mgh)]   (3)pei(n，Mgh)＝w(hei(m，Mgh))   (5)

pei(n，Mgh)＝[Si’(1，Mgh)Si’(2，Mgh)…Si’(n，Mgh)]   (6)其中，Δt为道路交通状态数据的采集周期；(m*Δt)为第m个道路交通状态数据采集周期，0≤m≤N，N表示每天采集的交通信息的数量；i表示选取第i条路段，1≤i≤p；STi(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻i路段的道路交通数据；SB(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻基准路段的基准数据；Si(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻i路段的训练数据与基准路段的基准数据的差值数据；ei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段的训练数据与基准路段的基准数据的差值数据；hei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段阈值处理的i路段的训练数据与基准路段的基准数据的差值数据；Ei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段选取的阈值；pei(n，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段与基准路段的差值数据经LZW编码后的结果；Si’(n，Mgh)为模态Mgh下、Δt到(m*Δt)时段i路段与基准路段的差值数据经LZW编码后的结果中第n个数据；A表示在模态Mgh下、Δt到(m*Δt)时段压缩前的i路段与基准路段的差值数据的数量；B表示在模态Mgh下、Δt到(m*Δt)时段压缩后的道路交 通数量；w表示LZW编码；压缩比为

4.如权利要求3所述的一种基于LZW编码的道路交通空间数据压缩方法，其特征在于：所述步骤3)中，提取空间上其它路段的数据，作为实时数据；模态Mgh下、基于空间上的道路交通基准数据，获取道路交通差值数据，其一般表达式如下：MSj(m*Δt，Mgh)＝SMj(m*Δt，Mgh)-SB(m*Δt，Mgh)   (7)errj(m，Mgh)＝[MSj(Δt，Mgh)MSj(2*Δt，Mgh)…MSj(m*Δt，Mgh)]   (8)其中，j表示第j条路段，1≤j≤p；SMj(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻j路段的实时数据；MSj(m*Δt，Mgh)为模态Mgh下、(m*Δt)时刻j路段的实时数据与基准路段的基准数据的差值数据；errj(m，Mgh)为模态Mgh下、Δt到(m*Δt)时段j路段的实时数据与基准路段的基准数据的差值数据。

5.如权利要求4所述的一种基于LZW编码的道路交通空间数据压缩方法，其特征在于：所述步骤4)中，基于LZW编码实现道路交通空间数据的压缩，将i路段与基准路段的差值数据训练的最佳阈值引入到同一模态Mgh、j路段与基准路段的差值数据中，结合LZW编码，实现j路段与基准路段差值数据的压缩，其一般表达式如下：perrj(Tn，Mgh)＝w(herrj(m，Mgh))   (10)

perrj(Tn，Mgh)＝[MSj’(1，Mgh)MSj’(2，Mgh)…MSj’(Tn，Mgh)]   (11)其中，Eopt(Mgh)表示训练的最优阈值；herrj(m，Mgh)表示模态Mgh下、 Δt到(m*Δt)时段j路段的实时数据与基准路段的基准数据的差值数据；m表示模态Mgh下、Δt到(m*Δt)时段压缩前j路段与基准路段的差值数据的数量；perrj(Tn，Mgh)表示模态Mgh下、Δt到(m*Δt)时段压缩后j路段与基准路段的差值数据的数量；Tn表示模态Mgh下、Δt到(m*Δt)时段j路段与基准路段的差值数据压缩后的数量；MSj’(Tn，Mgh)表示模态Mgh下、Δt到(m*Δt)时段j路段与基准路段的差值数据压缩结果的第Tn个数据；压缩比为

6.如权利要求5所述的一种基于LZW编码的道路交通空间数据压缩方法，其特征在于：所述步骤5)中，基于LZW解码技术，对j路段与基准路段的差值数据进行重构，结合基准数据，实现j路段实时数据的解压缩，其一般表达式如下：dperrj(m，Mgh)＝w’(perrj(Tn，Mgh))   (12)CSMj(m，Mgh)＝SB(m，Mgh)+dperrj(m，Mgh)   (13)其中，w’表示LZW的反解码；dperrj(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段解码后的j路段与基准路段的差值数据；CSMj(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段重构的j路段的道路交通实时数据。